典型文献
基于GA优化的VMD-SVM识别角度头故障特征
文献摘要：
提出一种基于遗传算法优化的变分模态分解(variational mode decomposition,VMD)-支持向量机(support vector machine,SVM)方法来识别机床角度头故障特征.首先采用遗传算法对VMD算法的输入参数进行优化,将优化后的VMD算法用于振动信号的分解,得到各本征模态函数(IMF)后,求得对应的能量熵;然后通过SVM算法筛选出有效故障数据,再利用峭度和相关系数相结合的方法将其中的IMF筛选出来并重构信号;最后,对该信号作频谱分析,分析相关特征信息,识别并诊断出故障.根据仿真和实验结果,所提方法对于故障角度头的有效信号筛选正确率高,对于噪声抑制效果良好,特征提取快速有效,可用于机床故障诊断领域.
文献关键词：
角度头;变分模态分解(VMD);支持向量机(SVM);遗传算法;特征识别
中图分类号：
作者姓名：
陈建;姚剑飞;赵洪杰;刘争;张素燕
作者机构：
北京化工大学高端机械装备健康监控与自愈化北京市重点实验室,北京 100029;北京化工大学机电工程学院,北京 100029;首都航天机械有限公司,北京 100076
文献出处：
引用格式：
[1]陈建;姚剑飞;赵洪杰;刘争;张素燕-.基于GA优化的VMD-SVM识别角度头故障特征)[J].北京化工大学学报（自然科学版）,2022(03):47-54
A类：
B类：
GA,VMD,角度头,故障特征,遗传算法优化,变分模态分解,variational,mode,decomposition,support,vector,machine,输入参数,振动信号,本征模态函数,IMF,能量熵,故障数据,峭度,重构信号,频谱分析,特征信息,噪声抑制,抑制效果,快速有效,机床故障,特征识别
AB值：
0.34412
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
